Klasifikasi Penyakit Hati Dengan Algoritma Random Forest

Penyakit hati adalah salah satu penyebab kematian paling umum diseluruh dunia. Karena itu, peneliti akan melakukan klasifikasi penyakit hati menggunakan teknik machine learning, dengan metode Random Forest. Random Forest dapat membantu dalam mendeteksi penyakit hati pada tahap awal berdasarkan dalam data pasien. Hal ini memungkinkan untuk tindakan pencegahan lebih dini. Metode Random Forset ini merupakan metode yang digunakan untuk mengklasifikasikan apakah seorang pasien menderita penyakit hati. Untuk mencapai tangkat akurasi terbaik, penelitian ini bertujuan untuk mengimplementasikan dan mengevaluasi kinerja algoritma Random Forest dalam klasifikasi penyakit hati, dengan fokus pada dua dataset berbeda yaitu Indian Liver Patient dan BUPA Liver Disorders. Penelitian ini menggunakan teknik oversampling SMOTE untuk menangani masalah ketidakseimbangan data yang ada dalam kedua dataset tersebut. Proses evaluasi dilakukan dengan membandingkan hasil akurasi model pada dataset asli dan dataset yang telah dioversampling menggunakan tiga skema proporsi data latih dan uji yaitu 80:20, 60:40, dan 50:50. Hasil penelitian menunjukkan bahwa penggunaan teknik oversampling secara signifikan meningkatkan akurasi model, terutama pada dataset BUPA Liver Disorders yang mencapai akurasi terbaik sebesar 80% dengan proporsi data latih dan uji 80:20. Berdasarkan hasil tersebut, dapat disimpulkan bahwa algoritma Random Forest dengan teknik oversampling memberikan kinerja yang optimal dalam klasifikasi penyakit hati.